<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[flyconley的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/flyconley</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; flyconley]]></copyright><item><title><![CDATA[Jupyter notebook中%pylab inline的作用]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/128610830</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/128610830</guid><author>flyconley</author><pubDate>Mon, 09 Jan 2023 11:00:48 +0800</pubDate><description><![CDATA[%pylab命令会在ipython或notebook环境中自动加载numpy和matplotlib库，跟以下语句功能一致]]></description><category></category></item><item><title><![CDATA[numpy 用法速查]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/123980251</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/123980251</guid><author>flyconley</author><pubDate>Tue, 05 Apr 2022 23:53:14 +0800</pubDate><description><![CDATA[创建ndarray

numpy 定义了 ndarray 这一数据结构，主要操作均围绕该数组进行

np.array 和 np.asarray 都可以将结构数据转化为ndarray，但是主要区别就是当数据源是ndarray时，array仍然会copy出一个副本，占用新的内存，但asarray不会。numpy中array和asarray的区别 - 柒越 - 博客园

常用属性

a.T 数组转置  a.dtype 数组元素的数据类型

a.size 数组元素的个数  a.ndim 数组的维数

a...]]></description><category></category></item><item><title><![CDATA[【python】__pycache__ 文件夹的作用]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/122771850</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/122771850</guid><author>flyconley</author><pubDate>Wed, 02 Feb 2022 20:30:42 +0800</pubDate><description><![CDATA[python项目首次运行时，根目录下会生成一个 __pycache__ 文件夹，

文件夹中的文件名与项目中的.py文件相同，但后缀名为.pyc 或者.pyo，这些是缓存的字节码文件

这样下次运行时，若模块没有被修改过，将会跳过编译的步骤，直接执行缓存的字节码文件，从而加速项目运行的准备时间

参考资料：

__pycache__ 是个什么鬼？_yangchao1125的博客-优快云博客___pycache__

什么 是__pycache__？ - 问答 - 云+社区 - 腾讯云


...]]></description><category></category></item><item><title><![CDATA[【python】setup.py的作用]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/122764628</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/122764628</guid><author>flyconley</author><pubDate>Tue, 01 Feb 2022 16:31:14 +0800</pubDate><description><![CDATA[简而言之，setup.py是python模块分发与安装的指导文件

有了setup.py文件，运行下面这条命令，可以进行模块的安装。


python setup.py install

下面给出setup.py的实例代码，利用这段代码，我们将安装一个叫 ugit 的模块，当运行ugit命令时，程序将运行cli.py文件下的main 函数。


+ #!/usr/bin/env python3
+ 
+ from setuptools import setup
+ 
+ setup (name = 'ugi]]></description><category></category></item><item><title><![CDATA[C++ 使用chrono库准确统计代码运行时间]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/122555759</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/122555759</guid><author>flyconley</author><pubDate>Tue, 18 Jan 2022 11:15:44 +0800</pubDate><description><![CDATA[简介

chrono是C++的时间库，源于boost，在C++11中纳入了标准，

相比于过去常用的GetTickCount()计时，chrono具有更高的精度，据说能够到达纳秒级别

示例代码


#include &lt;iostream&gt;
#include &lt;chrono&gt;
#include &lt;iomanip&gt;    
using namespace std;

void main()
{
    auto start = chrono::high_resolution_]]></description><category></category></item><item><title><![CDATA[VS2017 OpenCV图像可视化插件Image Watch的安装与使用]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/121723446</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/121723446</guid><author>flyconley</author><pubDate>Sat, 04 Dec 2021 23:08:43 +0800</pubDate><description><![CDATA[简介

Image Watch 是opencv官方推出的用于调试时显示和监控图像变量的插件。通过它我们能够很方便的对CV程序进行调试。

安装示例

直接从VS中下载，选择工具-&gt;拓展与更新-&gt;搜索Image Watch，点击安装即可

注意这样需要提前准备好科学上网工具，否则可能下载失败



使用示例

安装完成后，运行代码，选择视图-&gt;其他窗口-&gt;Image Watch即可看到监控的图像了






...]]></description><category></category></item><item><title><![CDATA[【pytorch】在win10 VS2017环境下使用libtorch部署pytorch模型]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/121710835</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/121710835</guid><author>flyconley</author><pubDate>Sat, 04 Dec 2021 08:16:45 +0800</pubDate><description><![CDATA[安装libtorch

pytorch的c++接口，PyTorch C ++ API - 也称为LibTorch，能够将pytorch训练的模型在C++环境下进行部署。它可以直接从官网下载得到Start Locally | PyTorch



我的电脑没有GPU，因此计算模式选择CPU，根据下面的下载链接选择debug版或者release版本，下载解压即可。

新建VS2017项目

需要注意的是，这里一定要使用VS2017，因为pytorch中使用了C++14标准，老版本的VS201...]]></description><category></category></item><item><title><![CDATA[【图像匹配数据集】Brown数据集 Liberty NotreDame Yosemite介绍]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/121566524</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/121566524</guid><author>flyconley</author><pubDate>Fri, 26 Nov 2021 18:59:17 +0800</pubDate><description><![CDATA[简介

这是一个经典的图像匹配数据集，Brown 总共包含三个数据集。

它从三个知名地方建筑Liberty_NotreDame_Yosemite 中拍摄照片，利用三维重建的方法获得特征点位置和匹配关系。

数据集中的部分图像：



参考资料

有关这个数据集的介绍，有以下几个博客写的比较清楚：

PhotoTour项目(Brown数据集)数据集Liberty NotreDame Yosemite(图像匹配)_baidu_40840693的博客-优快云博客_brown数据集

Brown 数据集和评价指]]></description><category></category></item><item><title><![CDATA[【python使用技巧】给数字字符串前面补0]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/121562767</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/121562767</guid><author>flyconley</author><pubDate>Fri, 26 Nov 2021 16:15:05 +0800</pubDate><description><![CDATA[引言

在处理实验数据的时候，被glob.glob这个函数坑到了，它最后提取的数据是按照名称顺序排序的，类似这种，没有按照大小来排序。为了方便使用glob.glob，我们可以对字符串前面补0，将1.txt补充成为00001.txt


    foo_00.txt
    foo_01.txt
    foo_02.txt
    foo_03.txt
    foo_04.txt
    foo_05.txt
    foo_06.txt
    foo_07.txt
    foo_08.txt
   ]]></description><category></category></item><item><title><![CDATA[【matplotlib】matplotlib使用详解 使用python绘制漂亮的论文数据图]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/121466061</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/121466061</guid><author>flyconley</author><pubDate>Mon, 22 Nov 2021 11:01:00 +0800</pubDate><description><![CDATA[预备知识

Matplotlib 是 Python 中最受欢迎的数据可视化软件包之一，支持跨平台运行，它是 Python 常用的 2D 绘图库，同时它也提供了一部分 3D 绘图接口。Matplotlib 通常与 NumPy、Pandas 一起使用，是数据分析中不可或缺的重要工具之一。

全面了解Matplotlib，可以查看以下教程：

Matplotlib教程（非常详细）

这是Matplotlib提供的几十个使用示例：

Examples — Matplotlib 3.5.0 documentation]]></description><category></category></item><item><title><![CDATA[【matplotlib】python 论文作图工具SciencePlots的使用]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/121459399</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/121459399</guid><author>flyconley</author><pubDate>Sun, 21 Nov 2021 21:10:47 +0800</pubDate><description><![CDATA[SciencePlots简介

SciencePlots是一个基于Matplotlib的补充包，里面主要包含了一些以.mplstyle为后缀的图表样式的配置文件。这样，你画图的时候只需要通过调用这些配置文件，就能画出比较好看的数据可视化图表，也避免了你每次画图时都要从头开始手动配置图表的格式。

目前该工具包中包含Science,IEEE等期刊的图表格式，还包括一些对图表中的网格和字体颜色等的配置文件。

项目链接：GitHub - garrettj403/SciencePlots: Matplotlib ]]></description><category></category></item><item><title><![CDATA[【xgboost】xgboost模型的保存与加载]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/121445511</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/121445511</guid><author>flyconley</author><pubDate>Sat, 20 Nov 2021 21:02:49 +0800</pubDate><description><![CDATA[xgboost模型的保存方法

有多种方法可以保存xgboost模型，包括pickle，joblib，以及原生的save_model，load_model函数

其中Pickle是Python中序列化对象的标准方法。

这里使用Python pickle API序列化xgboost模型，并将序列化的格式保存到文件中

示例代码


import pickle
# save model to file 模型保存
pickle.dump(model, open("pima.pickle.dat", "wb"))]]></description><category></category></item><item><title><![CDATA[【xgboost】使用m2cgen将xgboost模型转化为C代码]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/121422760</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/121422760</guid><author>flyconley</author><pubDate>Fri, 19 Nov 2021 15:04:01 +0800</pubDate><description><![CDATA[m2cgen 简介

m2cgen（Model 2 Code Generator）-是一个轻量级库，它提供了一种将经过训练的统计模型转换为本机代码（Python、C、Java、Go、JavaScript、Visual Basic、C#、PowerShell、R、PHP、Dart、Haskell、Ruby、F#、Rust）的简便方法。

简而言之，它可以将python scikit-learn 等训练的机器学习模型转成C，JAVA等能够直接运行的代码，从而在无需依赖库的情况下直接运行

m2cgen 安装

]]></description><category></category></item><item><title><![CDATA[【xgboost】使用XGBClassifier对iris鸢尾花数据集进行图像分类]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/121422271</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/121422271</guid><author>flyconley</author><pubDate>Fri, 19 Nov 2021 14:45:28 +0800</pubDate><description><![CDATA[iris鸢尾花数据集是入门级的图像分类数据集，通过这个简单的demo，我们可以快速上手xgboost的使用，具体代码如下：


from sklearn.datasets import load_iris

from xgboost.sklearn import XGBClassifier
from xgboost import plot_importance

import matplotlib.pyplot as plt
from sklearn.model_selection import trai.]]></description><category></category></item><item><title><![CDATA[【xgboost】XGBClassifier的参数设置]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/121420789</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/121420789</guid><author>flyconley</author><pubDate>Fri, 19 Nov 2021 14:21:30 +0800</pubDate><description><![CDATA[XGBClassifier的主要参数及意义

XGBoost参数地址：https://xgboost.readthedocs.io/en/latest/parameter.html

在运行 XGBoost 之前，我们必须设置三种类型的参数：常规参数、提升器参数和任务参数。

 常规参数与我们用于提升的提升器有关，通常是树模型或线性模型；
 提升器参数取决于你所选择的提升器；
 学习任务参数决定了学习场景，例如回归任务可以使用不同的参数进行排序相关的任务；
 命令行参数的行为与 x...]]></description><category></category></item><item><title><![CDATA[C++ 实现split函数]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/121350543</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/121350543</guid><author>flyconley</author><pubDate>Tue, 16 Nov 2021 10:31:04 +0800</pubDate><description><![CDATA[JAVA ,Python等语言中都自带split方法，能够将长字符串根据某一字符分割为短字符串，但C++中没有提供该功能，有时使用比较不方便。对此，查找了相应资料，将实现代码记录如下：


void supersplit(const std::string&amp; s, std::vector&lt;std::string&gt;&amp; v, const std::string&amp; c)
{
	std::string::size_type pos1, pos2;
	size_t len = s.]]></description><category></category></item><item><title><![CDATA[【pytorch】实现条件生成对抗网络 CGAN]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/120989410</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/120989410</guid><author>flyconley</author><pubDate>Wed, 27 Oct 2021 11:21:33 +0800</pubDate><description><![CDATA[生成器网络为Unet



判别器为patchGAN



代码示例：


class DoubleConv(nn.Module):
    def __init__(self, in_channels, out_channels):
        super(DoubleConv, self).__init__()
        self.conv = nn.Sequential(
            nn.Conv2d(in_channels, out_channels, 3, 1, 1, b.]]></description><category></category></item><item><title><![CDATA[【pytorch】实现U-Net网络结构]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/120987453</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/120987453</guid><author>flyconley</author><pubDate>Wed, 27 Oct 2021 10:18:03 +0800</pubDate><description><![CDATA[网络介绍可以参考：UNet网络结构_lianghe77的博客-优快云博客_unet网络

网络结构图



代码挺简单的，就不过多解释了，参照网络图即可


class DoubleConv(nn.Module):
    def __init__(self, in_channels, out_channels):
        super(DoubleConv, self).__init__()
        self.conv = nn.Sequential(
            nn.Co.]]></description><category></category></item><item><title><![CDATA[git pull origin master 错误记录 fatal: couldn‘t find remote ref master]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/120579503</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/120579503</guid><author>flyconley</author><pubDate>Fri, 01 Oct 2021 18:05:32 +0800</pubDate><description><![CDATA[这个问题网上有很多参考资料，例如这篇博客写的较好：Git常见错误与操作：error: src refspec master does not match any解决办法_s164828378的博客-优快云博客

然而以上内容并不能解决我的问题，我的问题是在将代码从GitHub上pull下来时产生的，这是GitHub留下的一个坑，自2020年以后，在GitHub上面新建的项目，自动创建的分支不再名叫master，而是叫做main.....



很尴尬。。。。所以把 git pull origin ma..]]></description><category></category></item><item><title><![CDATA[Pro Git 阅读笔记 Git 基础]]></title><link>https://blog.youkuaiyun.com/flyconley/article/details/120546164</link><guid>https://blog.youkuaiyun.com/flyconley/article/details/120546164</guid><author>flyconley</author><pubDate>Wed, 29 Sep 2021 12:24:52 +0800</pubDate><description><![CDATA[Pro Git 教程

原文链接:https://www.progit.cn

git config

Git 自带一个 git config 的工具来帮助设置控制 Git 外观和行为的配置变量。 这些变量存储在三个不同的位置：


	/etc/gitconfig 文件: 包含系统上每一个用户及他们仓库的通用配置。 如果使用带有 --system 选项的 git config 时，它会从此文件读写配置变量。
	
	
	~/.gitconfig 或 ~/.config/git/config 文件：只针对...]]></description><category></category></item></channel></rss>